التنظيم المتسق هو تقنية للتعلم شبه المراقبة تُعدّ أساسًا لعدة نتائج قوية في التصنيف عند توفر كميات قليلة من البيانات المُعلّمة. وتعمل هذه التقنية على تشجيع النموذج المُدرّب على أن يكون مقاومًا للتغيرات أو الاضطرابات المطبقة على البيانات غير المُعلّمة. في هذا العمل، نقدّم طريقة جديدة للتكبير تعتمد على قناع (mask) تُسمّى CowMask. وباستخدامها لتوليد اضطرابات في إطار تنظيم التوافق شبه المراقب، نحقق نتيجةً منافسة للحالة الراهنة (state-of-the-art) على مجموعة بيانات ImageNet باستخدام 10% فقط من البيانات المُعلّمة، حيث بلغ معدل الخطأ في المرتبة الخامسة (top-5 error) 8.76%، و26.06% في المرتبة الأولى (top-1 error). علاوةً على ذلك، نحقق هذه النتائج باستخدام منهجية أبسط بكثير من العديد من البدائل الأخرى. ونقوم أيضًا بدراسة سلوك CowMask في سياق التعلم شبه المراقب من خلال إجراء عدد من التجارب الصغيرة الحجم على مجموعات بيانات SVHN وCIFAR-10 وCIFAR-100، حيث نحقق نتائج تنافسية مع الحالة الراهنة، مما يدل على أن CowMask قابلة للتطبيق على نطاق واسع. ونُطلق الكود المصدري لدينا على الرابط التالي: https://github.com/google-research/google-research/tree/master/milking_cowmask